Nitel Araştırmalarda İstatistik
Nitel araştırma genellikle anlam, deneyim, bağlam ve sosyal süreçlere odaklanan bir yaklaşım olarak anlaşılır. Bu nedenle, bazı kişiler istatistikleri nitel araştırmada alakasız, hatta sayısal değerlerden ziyade derinliği vurgulayan nitel araştırmanın ruhuna aykırı olarak görürler. Bununla birlikte, pratikte istatistikler nitel araştırmada çok önemli bir rol oynayabilir; nitel araştırmayı nicel araştırmaya "dönüştürmek" için değil, araştırmacıların verileri özetlemesine, kalıpları açıklığa kavuşturmasına, argümanları güçlendirmesine ve analizin şeffaflığını artırmasına yardımcı olmak için.
Bu makale, nitel araştırmalarda istatistiklerin nasıl uygun şekilde kullanılabileceğini, yaygın olarak kullanılan istatistik türlerini ve bunların kullanımının sınırlamalarını ve etik yönlerini ele alarak, nitel araştırmanın amaçlarıyla uyumlu kalmalarını sağlamayı amaçlamaktadır.
1. Nitel araştırmalarda istatistiğin yerini anlamak
Nitel araştırma, görüşmeler, gözlemler, belgeler, saha notları veya kültürel eserler gibi veriler aracılığıyla olguları daha derinlemesine anlamayı amaçlar. Nitel veriler genellikle sayılar değil, anlatılar biçimindedir. Bununla birlikte, araştırmacılar kodlama yaparken, temaları gruplandırırken veya kategorilerin oluşum sıklığını hesaplarken tanımlayıcı istatistikler faydalı olabilir.
Nitel araştırmalarda istatistik kullanımı, araştırmacıların nicel araştırmalardaki gibi hipotezleri titizlikle test etmelerini gerektirmez. Odak noktası yorumlamayı desteklemektir: verilerden ortaya çıkan eğilimleri, oranları veya varyasyonları göstermek ve aynı zamanda alıntıları, bağlamı ve açıklamaları tartışmanın merkezinde tutmaktır.
2. Tanımlayıcı istatistikler: en yaygın biçim
Nitel araştırmalarda en sık kullanılan istatistikler, örneğin betimsel istatistiklerdir:
– Belirli özelliklere (yaş, meslek, hizmet süresi) göre katılımcı sayısı.
– Metinde temaların veya kodların geçme sıklığı.
– Belirli bir sorunu dile getiren katılımcıların yüzdesi.
– Gözlem yerlerinin veya analiz edilen belge türlerinin dağılımı.
Basit bir örnek: Uzaktan çalışma deneyimlerine ilişkin nitel bir çalışmada, bir araştırmacı "20 katılımcıdan 14'ü iş ve özel yaşam arasındaki sınır sorununu vurguladı" diyebilir; ardından araştırmacı, bu sorunun neden baskın olduğunu ve bağlamın gruplar arasında nasıl farklılık gösterdiğini açıklayan alıntılar ve yorumlar sunar.
Tanımlayıcı istatistikler, okuyucuların verilerin "haritasını" anlamalarına yardımcı olur: temaların ne kadar yaygın olduğu, hangi temaların daha sık tartışıldığı ve katılımcılar arasında kalıplarda farklılıklar olup olmadığı gibi.
3. Nitel verilerin nicelleştirilmesi: Ne zaman faydalıdır?
Nitel analizde, nicelleştirme şu durumlarda faydalı olabilir:
1. Analizin şeffaflığını artırmak
Okuyucular, bulguların yalnızca birkaç alıntıya dayanmadığını, oldukça tutarlı bir örüntüden kaynaklandığını görebilirler.
2. Grupları keşifsel bir yaklaşımla karşılaştırmak
Örneğin, acemi ve deneyimli öğretmenler arasında yapılan görüşmelerde ortaya çıkan temaları karşılaştırmak. Bu, istatistiksel genelleme yapmak için değil, daha ziyade daha incelikli sorular ve açıklamalar üretmek içindir.
3. Karma yöntemleri destekler
Karma tasarımlarda, nitel veriler kategorilere ayrılıp daha sonra sayılarla kısaca analiz edilebilir veya tam tersine nicel sonuçlar görüşmeler yoluyla derinleştirilebilir.
Ancak nicellik, derinliğin yerini almamalıdır. Nadiren karşılaşılan temalar inanılmaz derecede önemli olabilir; örneğin, yalnızca birkaç kişinin yaşadığı ancak önemli bir etkiye sahip olan ayrımcılık deneyimleri.
4. Kullanılabilecek istatistiksel teknikler
Nitel araştırmalar istatistiksel çıkarımlara odaklanmasa da, bazı basit teknikler dikkatli bir şekilde kullanılabilir:
– Sıklık ve yüzde: Kodların veya temaların oluşum sayısını hesaplayın.
– Basit çapraz tablo analizi: Örneğin, "iş stresi" teması, günde 10 saatten fazla çalışan katılımcılarda daha sık görüldü.
– Ortalama veya medyan: Demografik veriler veya katılımcı özelliklerinin sayısal olduğu durumlarda kullanılır, örneğin deneyim süresi gibi.
– Görselleştirme: Desenlerin özetini sunan çubuk grafikler, özet tablolar veya tematik haritalar.
Araştırmacılar NVivo, ATLAS.ti, MAXQDA gibi yazılımlar veya hatta elektronik tablolar kullanıyorlarsa, kod frekans sayımı ve kategori karşılaştırma matrisi özellikleri çok faydalıdır. Bununla birlikte, bu sayılar, popülasyon için istatistiksel kanıt olarak değil, "analiz edilen verilerdeki kalıpların göstergesi" olarak okunmalıdır.
5. İstatistik ve içerik analizi
Nitel yaklaşımların en "istatistik dostu" alanlarından biri, özellikle nitel-nicel nitelikteki içerik analizidir. Araştırmacılar belgeleri (örneğin, haberler, sosyal medya gönderileri, kurumsal politikalar) kodlayabilir ve ardından belirli kategorilerin oluşum sıklığını sayabilirler.
Örnek: Çevrimiçi medyada ruh sağlığı haberlerinin incelenmesi. Araştırmacılar "damgalama", "profesyonel destek", "iyileştirici anlatılar" veya "sansasyonellik" gibi kategoriler belirleyebilirler. Kodlamadan sonra, araştırmacılar kategorilerin medya veya zaman dilimine göre oranını sunabilirler. Daha sonra, araştırmacıların dil, çerçeveleme ve altta yatan sosyo-politik bağlam hakkında derinlemesine bir analiz sunmaları gerekmektedir.
6. Araştırma kalitesinin korunması: nitel versiyonun güvenilirliği ve geçerliliği
Nitel araştırmalarda kalite, genellikle güvenilirlik, aktarılabilirlik, tutarlılık ve doğrulanabilirlik gibi kavramlar üzerinden tartışılır. İstatistikler, özellikle kodlama sürecinde, bazı yönlerde yardımcı olabilir:
– Kodlayıcılar arası anlaşma
Birden fazla araştırmacı verileri kodluyorsa, uyum rakamları (örneğin, yüzde uyum veya belirli bir katsayı) tutarlılığı gösterebilir. Bu, özellikle içerik analizi veya ekip araştırmalarında faydalıdır.
Ancak araştırmacıların dikkatli olması gerekiyor: yüksek düzeyde fikir birliği otomatik olarak "doğru" bir yorum anlamına gelmez. Sadece kod tanımlarının uygulanmasında tutarlılığı gösterir. Bu nedenle, kodlayıcılar arasındaki tartışmalar, denetim kayıtları ve öz yansıtma son derece önemlidir.
7. İstatistik kullanımının sınırlamaları ve riskleri
İstatistiklerin metodolojik hususlar dikkate alınmadan kullanılması çeşitli riskler taşır:
1. İndirgemecilik
Nitel veriler bağlam açısından zengindir; sayılara çok fazla odaklanmak, incelikleri, çelişkileri ve dinamikleri kaybetmeye yol açabilir.
2. Genelleme yanılgısı
Küçük bir örneklemde yüksek sıklık, bunun daha geniş popülasyon için geçerli olduğu anlamına gelmez. Nitel araştırma genellikle istatistiksel genelleme için tasarlanmamıştır.
3. Önemsiz ama anlamlı temaları göz ardı etmek
Nadiren ortaya çıkan temalar, savunmasız grupların deneyimlerini, gizli çatışmaları veya ortaya çıkarılması zor olayları gösterebilir.
4. Okuyucunun yanlış yorumlaması
Okuyucular sayıları kesinlik ölçüsü olarak yorumlamaya meyilli olabilirler. Bu nedenle, araştırmacıların sayıların yalnızca analiz edilen verilerdeki kalıpları özetlediğini açıklamaları gerekir.
8. İyi uygulama: sayıları ve anlatıyı bütünleştirmek
İstatistiksel verilerin nitel araştırmalarla uyumlu olması için aşağıdaki iyi uygulamalar benimsenebilir:
– Sayıların kullanım amacını açıklayın: tema eşleştirmesi, keşifsel karşılaştırma veya şeffaflık için mi?
– Kodlama sürecini de dahil edin: kod tanımları, örnek alıntılar ve analiz adımları.
– Sayıları orantılı kullanın: kısa tablolar iyidir, ancak yorumlayıcı anlatım temel unsur olmaya devam etmelidir.
– Bağlamın korunmasına dikkat edin: Sayıların ardından her zaman "neden" ve "nasıl" açıklamaları gelmelidir.
– Temsili alıntılar ekleyin: sadece “ilginç” olanlar değil, kalıpları ve varyasyonları gösteren alıntılar da.
Sonuç
Nitel araştırmalarda istatistikler düşman değil, aksine uygun şekilde kullanıldığında analizi zenginleştirebilen destekleyici bir araçtır. Tanımlayıcı istatistikler, basit nicelleştirme ve görselleştirme yoluyla araştırmacılar verileri net bir şekilde özetleyebilir ve bulguların şeffaflığını artırabilir. Bununla birlikte, nitel araştırma anlam, bağlam ve derinlemesine yorumlamaya dayanmaktadır. Bu nedenle, sayılar tamamlayıcı bir unsur olarak ele alınmalı; katılımcıların seslerini ve incelenen sosyal olguların karmaşıklığını azaltmadan kalıpları netleştirmeye yardımcı olmalıdır.
Akıllıca kullanıldığında istatistikler bir köprü görevi görebilir: nitel araştırmanın anlatı gücünü, bulguları sunmanın daha sistematik, anlaşılabilir ve hesap verebilir bir yoluyla birleştirir.
